Modul kuliah System pendukung keputusan Tujuan Intruksional : Memberikan dasar pengertian tentang pengambilan keputusan dalam organisasi

dan penggunaan sistem berbasis komputer untuk mendukung pengambilan keputusan. Materi: • • • • • • • • Sistem-sistem yang ada dalam Management Support System (MSS). Pengambilan keputusan, penjelasan sistem, pemodelan, dan masalah dukungan (support). Sistem pendukung keputusan. Manajemen data. Pemodelan dan manajemen model. Antarmuka user. Langkah-langkah membangun sistem pendukung keputusan. Sistem pendukung keputusan secara organisasi dan berbagai topik pengembangannya.

Sistem Pendukung Keputusan – Gunandjar,ST

Page 1

BAB I KERANGKA UNTUK PENGEMBANGAN SPK Beberapa penulis mendefinisikan segala system yang dapat memberikan kontribusi terhadap pembuatan keputusan. Faktor yang menyulitkan adalah bahwa orang yang berasal dari latar belakang dan konteks yang berbeda memandang DSS dengan sangat berlainan. Untuk memahami DSS dan potensinya, pendekatan dengan menilik “sifatnya” nya akan lebih mudah. Sifat DSS yang bisa diamati dari hasil kerja Alter, Keen meliputi : 1. Cenderung ditujukan untuk masalah yang belum tertetapkan dan kurang terstruktur yang dihadapi oleh manajer tingkat atas. 2. Berusaha mengkombinasikan penggunaan model atau teknik analitis yang memiliki akses data tradisional dan fungsi pemanggilan data. 3. Difokuskan pada bentuk yang memudahkan untuk digunakan orang-orang nonkomputer dalam mode interaktif 4. Menekankan fleksibilitas dan daya adaptasi guna mengakomodasi perubahan dalam lingkungan dan cara pembuatan keputusan yang dilakukan pemakai.

1.1 Kerangka untuk pemeriksaan keterlibatan manajemen dalam Sistem Pendukung Keputusan Tujuan spesifik SPK : Memberi bantuan kepada para pembuat keputusan manajemen tingkat menengah dan atas. (Mann & Watson), SPK adalah sistem interaktif yang memberi akses yang mudah ke model keputusan dan data kepada para pemakai guna menunjang tugas pembuatan keputusan yang sifatnya semi terstruktur atau tidak terstruktur. Menurut hasil riset, manajer dalam DSS berperan sebagai (4 area) : 1. Pemberi persetujuan dan administrator 2. Pengembang sistem (developer) 3. Operator 4. Pemakai output

Sistem Pendukung Keputusan – Gunandjar,ST

Page 2

Kerangka Kerja Decision Support (DS)
Tipe Keputusan Terstruktur Kontrol Operasional Account receivable order entry Production schedulling, inventory control Selecting a cover for a magazine, buyingsoftw are, approving loans MIS, manageme nt science Tipe Kontrol Kontrol Manajerial Perencanaan strategis Budget analysis, shortterm,forecasting, personnel reports,make or buy credit evaluation,budget preparation,plant layout,project scheduling,reward system design Dukungan yang dibutuhkan MIS,Operational research models,transaction processing

Financial management (investment),werehouse location,distribution system Building newplant, mergers and acquisitions, newproduct planning, compensationplanning, quality assurance planning

Semi terstruktur

DSS

Tak terstruktur

Negotiating, recruiting an executive, buying hardware, lobbying

R & D planning, new technology development, socialresponsibility planning

DSS, ES, networks neural

Dukungan yang diperlukan

Management sciense, DSS, S, EIS

EIS, ES, neural networks

Proses pengambilan keputusan terdiri dari 3 fase proses: intelligence, design, dan choice. • • • Intelligence – pencarian kondisi-kondisi yang dapat menghasilkan keputusan. Design – menemukan, mengembangkan, dan menganalisis materi-materi yang mungkin untuk dikerjakan. Choice – pemilihan dari materi-materi yang tersedia, mana yang akan dikerjakan. Proses-proses yang terjadi pada kerangka kerja DS dibedakan atas: • • Terstruktur, mengacu pada permasalahan rutin dan berulang untuk solusi standar yang ada. Tak terstruktur, adalah “fuzzy”, permasalahan kompleks dimana tak ada solusi serta merta. Masalah yang tak terstruktur adalah tak adanya 3 fase proses yang terstruktur. • Semi terstruktur, terdapat beberapa keputusan terstruktur, tetapi tak semuanya dari fase- fase yang ada. Sistem Pendukung Keputusan – Gunandjar,ST Page 3

Pendekatan Management Science mengadopsi pandangan seorang manajer yang dapat mengikuti proses yang sistematik untuk penyelesaian masalah. Sehingga adalah mungkin untuk menggunakan pendekatan sains pada Managerial Decision Making. Langkahnya adalah: 1. Definisi masalah (keputusan situasi yang berhubungan dengan berbagai masalah atau dengan suatu kesempatan) 2. Klasifikasi masalah ke dalam kategori standar. 3. Membuat model matematika yang menjelaskan masalah secara nyata. 4. Menemukan solusi potensial di model masalah tadi dan mengevaluasinya. 5. Memilih dan merekomendasikan satu solusi dari masalah. Proses ini dipusatkan pada masalah modeling/pemodelan. 1.2 Decission Support System Sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan memanfaatkan data dan model untuk menyelesaikan masalah-masalah yang tak terstruktur. DSS mendayagunakan resources individu-individu secara intelek dengan kemampuan komputer untuk meningkatkan kualitas keputusan. Jadi ini merupakan sistem pendukung yang berbasis komputer untuk manajemen pengambilan keputusan yang berhubungan dengan masalah- masalah yang semi terstruktur. Istilah DSS kadang digunakan untuk Menggambarkan sembarang sistem yang terkomputerisasi. DDS digunakan untuk definisi yang lebih sempit, dan digunakan istilah MSS sebagai paying untuk menggambarkan berbagai tipe sistem pendukung. Mengapa menggunakan DSS? • • • • Perusahaan beroperasi pada ekonomi yang tak stabil. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan. 6 alasan mengapa perusahaan-perusahaan utama memulai DSS dalam skala besar: Sistem Pendukung Keputusan – Gunandjar,ST Page 4

Alasan lain dalam pengembangan DSS adalah perubahan perilaku komputasi enduser. Menyediakan pelacakan dan kontrol yang tepat waktu dan efektif.4 Executive Information (atau Support) Systems (EIS atau ESS). Identifikasi masalah (atau juga kesempatan). DSS dipandang sebagai pemenang secara organisasi. Mempertemukan berbagai gaya keputusan individu para Eksekutif.Satu contoh dari implementasi Group DSS ini adalah Total Quality Management (TQM). memadatkan.ST Page 5 .3 Group Support Systems (GSS). seperti: groupware. Pencapaian pengurangan biaya. dan group DSS (ini yang kita gunakan). sehingga pertemuan ini memakan waktu lama dan keputusan yang dibuat hasilnya sedang-sedang saja. electronic meeting systems. Berbagai keputusan utama dalam organisasi dibuat oleh group secara kolektif. bilangan. atau grafik. collaborative systems. Penyediaan informasi yang tepat waktu. EIS dikembangkan utamanya untuk: • • • • • • • • Menyediakan kebutuhan informasi yang diperlukan oleh pihak Eksekutif. 1. tak terlalu baik. Kebutuhan akan informasi baru. dan melacak data dan informasi yang kritis. Memfilter. Dan ini dipenuhi oleh DSS. End-user bukanlah programer. Menyediakan akses cepat pada informasi detil yang tersirat di teks.Peningkatan kinerja groupgroup tadi yang dibantu oleh teknologi Informasi ini muncul dalam berbagai istilah. Manajemen diamanahi DSS. Mengumpulkan keseluruhan group secara bersama dalam satu tempat dan waktu adalah sulit dan mahal. Sistem Pendukung Keputusan – Gunandjar. sehingga mereka membutuhkan tool dan prosedur yang mudah untuk digunakan. 1. Menyediakan antarmuka yang benar-benar user-friendly untuk Eksekutif. EIS bisa juga digunakan pada berbagai jenis perusahaan dan melayani sejumlah manajer sebagai suatu Enterprise Wide Systems (EWS).• • • • • • Kebutuhan akan informasi yang akurat.

informasi. sedangkan keputusan harus diambil walaupun kondisinya seperti ini (informasi yang parsial. ataupun pengetahuan secara eksplisit. atau pun tak eksak). mungkin tak bisa didapatkan data. • Pada teknologi sebelumnya.1. Komputer dapat mencari. • • Merupakan cabang dari aplikasi Artificial Intelligence (AI). ataupun pengetahuan eksplisit yang tersimpan di komputer dan memanipulasi mereka menurut kebutuhan. informasi. Kepakaran ditransfer dari seorang pakar ke komputer. Dan seperti seorang pakar. Ide dasarnya sederhana. pada satu area masalah yang spesifik dan biasanya lebih sempit.6 Neural Computing (Artificial Neural Network).5 Expert Systems (ES) • • Semakin tak terstruktur suatu situasi. mengolah dan menampilkan kesimpulan yang spesifik. ES adalah paket hardware dan software yang digunakan sebagai pengambil keputusan dan/atau pemecahan masalah. yaitu menggunakan pengalaman yang bersesuaian dan belajar dari pengalaman itu tentang apa yang harus dikerjakan dengan situasi yang serupa untuk pengalaman yang tak sesuai. ES dibuat untuk menyerupai seorang pakar/ahli. • • Perubahan lingkungan yang terjadi sedemikian cepatnya. • Pada dunia nyata yang begitu kompleks.ST . Pengambil keputusan menggunakan pengalaman yang ada untuk mengatasi hal ini. tak ada elemen untuk proses pembelajaran oleh Page 6 Sistem Pendukung Keputusan – Gunandjar. • Teknologi sebelum Artificial Neural Network (ANN) berbasis pada penggunaan data. Pengetahuan ini lalu disimpan disitu dan user dapat meminta saran spesifik yang dibutuhkannya. yang dapat mencapai level yang setara atau kadang malah melebihi seorang pakar/ahli. 1. tak lengkap. saran tersebut bisa dimanfaatkan oleh orang yang bukan pakar berikut penjelasannya yang berisi logika penalaran di balik saran itu. maka akan solusinya akan lebih spesifik.

sales forecasting. MIS. Decision Support Systems (DSS) dan Group DSS (GDSS). Contohnya adalah pengenalan pola. complex Diagnostics strategic planning. 4. jenis sistem informasi tingkat tinggi yang dapat ditambahkan pada sistem TPS tradisional. EIS. Executive Information Systems (EIS). MIS. Transaction Processing Systems (TPS). Atribut dari sistem pendukung terkomputerisasi utama: Dimension Transactions Processing Systems (TPS) Management Information Systems (MIS) Production control. dan mereka saling mendukung satu sama lain dalam berbagai manajemen pengambilan keputusan. 1. Artificial Neural Network (ANN). Expert Systems (ES). Expert System (ES) Execytive Information System (EIS) Support top management decision. • Teknologi yang ditujukan untuk mengisi kekurangan ini. Office Automation Systems (OAS). Management Information Systems (MIS). disebut dengan Neural Computing atau ANN. record keeping. Evolusi dan pembuatan tooltool yang lebih baru membantu kinerja pengembangan teknologi informasi untuk kebaikan manajemen dalam organisasi. internal control. 3. Mereka saling berhubungan. Hubungan antara TPS.production and sales Sistem Pendukung Keputusan – Gunandjar.inventory.7 Evolusi dari alat Pengambilan keputusan terkomputasi Dibagi dalam 7 kategori: 1. DSS. 7. monitoring Deccision Support Systems (DSS) Long-renge strategic planning. OAS. 2. Keterkaitan dan koordinasi diantara tool-tool ini masih berevolusi. 6. dan ES dan teknologi-teknologi yang lain: Berbagai teknologi ini dapat dipandang sebagai klas yang unik dari teknologi informasi.komputer.envi to Applications Payroll. Pendekatan ini berarti bahwa MSS dipandang canggih.ST Page 7 . Evolusi dari MSS dan hubungannya dengan sistem yang lain umumnya dipandang sebagai: rekomendasi dan saran yang disediakan oleh MSS ke manajer dapat dipertimbangkan sebagai informasi yang diperlukan untuk keputusan akhir yang akan dibuat. 5.

som e symbolic Status access exception reporting. exception reporting Middle management Information support specific decissions to Advice and explanations Highest organitation al level served Impetus Submanagerial. stategies Interfencing.ST . used of rules (heuristic) combined with DSS manipulation Numerical Numerical symbolic Numeric (mainly). masalah-masalah yang Page 8 Sistem Pendukung Keputusan – Gunandjar.tra nsfer of expertise Procedural and factual knowledge. integrated management science models. blend of judgment and modeling Numerical The decision system when make complex unstructured. drill down External (online)and corporate. rules) ronmental scanning Tracking.intera ctive factual knowledge access.key indicators Type of information Summary reports.cont rol. low management Analyst managers and Managers and specialist Senior executives (only) expeditiency efficiency Effectiveness Effectiveness and expedieny Timeliness 1. batch Decision capabilities No decisions Structured routing problems using conventiona management Semistructured problem. operational Scheduled and demand report structured flow.kno wledge base (facts.information Focus Data transactions information integrated problem areas Decisions flexibility. user friendliness Database by management systems. enterprise wide access (to all data base) Only Database Unique update to each Interactive acess programmers application.8 Berbagai Perbedaan antara DSS dengan MIS Fitur dari DSS: • DSS dapat digunakan untuk mengawali kerja ad hoc.

DSS dapat menyediakan pendukungan keputusan dalam kerangka waktu yang pendek/terbatas. DSS dapat berevolusi sebagai mana halnya pengambil keputusan mempelajari tentang masalah-masalah yang dihadapinya.ST Page 9 . data. dan batasan-batasan dapat lebih dulu ditentukan. Karakteristik Operation Research/Management Science: • Kajiannya ada pada masalah-masalah yang terstruktur (dibandingkan dengan tugas-tugas). • Hasil utamanya adalah dalam peningkatan jangkauan dan kemampuan dari proses • pengambilan keputusan para manajer untuk membantu mereka meningkatkan efektivitasnya. Relevansinya untuk manajer pengambil keputusan biasanya tak langsung didapatkan. dan alur informasi dapat didefinisikan Hasil utamanya adalah meningkatkan efisiensi dengan mengurangi biaya.aturan keputusan. dimana tujuan. waktu tunggu. di bawah pengawasan mereka. • • • • DSS dapat menyediakan representasi valid dari sistem di dunia nyata. Karakteristik MIS: • • • Kajiannya ada pada tugas-tugasnya yang terstruktur. aturan. dan lain-lain. misalnya dengan penyediaan laporan dan akses ke data. Relevansinya untuk manajer adalah dalam pembuatan tool pendukung. tetapi tetap pertimbangan manajer memiliki esensi utama. yang tak dimaksudkan untuk mengotomatiskan Sistem Pendukung Keputusan – Gunandjar.tak diharapkan. dan dengan mengganti karyawan klerikal. Karakteristik DSS: • Kajiannya ada pada keputusan-keputusan dimana ada struktur yang cukup untuk komputer dan alat bantu analitis yang memiliki nilai tersendiri. Relevansinya untuk manajer ada pada rekomendasi detil dan metodologi baru untuk menangani masalah-masalah yang kompleks. DSS dapat dikembangkan oleh para profesional yang tak melibatkan pemrosesan data. dimana prosedur operasi standar. • • Hasil utamanya adalah dalam menghasilkan solusi yang lebih baik untuk masalah-masalah tertentu.

Disiplin antara ES dan DSS berkembang pararel. and DSS: Stategic Planning Managerial Control Operational Control Transaction Processing DSS MIS EDP 1. Step B. pertanyaan selanjutnya adalah apa yang harus dikerjakan dengan hal ini? Di sinilah langkah analisis berperanan. disebabkan karena perbedaan kapabilitas diantara kedua tool. Relasi antara EDP. Mengerti masalah (atau kesempatan yang ada). yang jelas dapat meningkatkan pengambilan keputusan manajerial. ES dapat membantu dalam mendesain alur informasi pada eksekutif (misalnya. maka kombinasiantara ES dan ANN tentu akan membantu. Seluruh area dari proses scanning. kapan) dan dalam penginterpretasian informasi. Analisis kuantitatif didukung oleh DSS dan Sistem Pendukung Keputusan – Gunandjar. Disebabkan beberapa informasi bersifat fuzzy. monitoring. sistem yang berbasis komputer. tapi saling tak tergantung dan berjalan sendiri. Menurut kenyataannya. tujuan sistem.9 Hubungan DSS dengan Expert System DSS dan ES berbeda dan tak berhubungan dengan sistem yang terkomputerisasi. Cuma sekarang kita bisa mencoba menggabungkan potensi dari keduanya. 2. Step A.forecasting (misalnya. bagaimana untuk memonitor. tren) dan penginterpretasian sangat dibantu oleh adanya komputerisasi. membuatnya menjadi powerful. Proses pengambilan keputusan: 1. Analisis.proses pengambilan keputusan. Sekali suatu masalah (kesempatan) teridentifikasi. MIS. mereka dapat mengkomplemen satu sama lain. terintegrasi. atau solusi tertentu.Demikian juga natural language processors (NLP) akan berguna dalam menyimpulkan informasi. Analisis bisa bersifat kualitatif atau pun kuantitatif (atau kombinasinya).sendiri.ST Page 10 .

Sistem Pendukung Keputusan – Gunandjar.NLP. Implementasi. 3. Step C. EIS. Memilih. keputusan untuk mengimplementasikan solusi tertentu dilakukan. 4. People Scanning Problem identification (definition) (Intelegence) Newspapers TV Sensors ES. keputusan dibuat dengan memperhatikan masalahnya (atau kesempatan) berdasarkan hasil dari analisis. MSS adalah keluarga teknologi yang dapat digunakan secara mandiri atau dalam bentuk kombinasinya.MIS Step A EIS (ESS) ES Qualitative analysis (Design) Step B Quantitative analysis (Design) DSS MS/Or ANN Step C Decicion (choice) GDSS (groups) DSS (individual) Implement ? Step D Decision (choice) DSS and ES Kesimpulan • • • Perkembangan komputer demikian cepatnya dan juga penggunaannya oleh para manajer. Step D. Analisis kualitatif didukung oleh ES. Pada tahap ini. Pada langkah ini. Dukungan terkomputerisasi untuk para manajer sangat penting dalam berbagai kasus untuk kelanjutan organisasinya. Langkah ini didukung oleh DSS (jika pengambil keputusan adalah seseorang) atau oleh GDSS (jika keputusan dibuat oleh sekelompok orang).oleh tool-tool analisis kuantitatif.ANN.ST Page 11 . dan DSS dan/atau ES bisa mendukung tahap ini.

DSS adalah teknologi analitis yang menggunakan model untuk solusi yang semi terstruktur dan masalah-masalah tak terstruktur. Fitur utama dari ES adalah aplikasinya untuk pengetahuan dan penggunaan reasoning (alas an suatu keputusan). Sistem Pendukung Keputusan – Gunandjar.• • Manejemen pengambilan keputusan makin lama makin kompleks. Semua teknologi MSS adalah interaktif. • • • • Keputusan yang terstruktur didukung oleh metode analisis kuantitatif seperti: management science dan capital budgeting.ST Page 12 .sendiri. detil. EIS adalah teknologi yang mendukung eksekutif dengan menyediakan bagi mereka informasi divisualisasikan. Kerangka dukungan keputusan membagi kondisi keputusan dalam 9 kategori. tergantung pada derajat struktur dan aktivitas manajerial. Setiap kategori mendapat dukungan komputer sendiri. Group DSS adalah teknologi yang mendukung proses pengambilan keputusan dalam suatu group. Maka metode intuisi dan trial and error tak tepat lagi. Teknologi-teknologi MSS dapat diintegrasikan diantara mereka sendiri dan dengan CBIS yang lain. dan mudah untuk • • • • • • • ES adalah sistem pemberi nasehat yang mencoba menirukan para pakar. yang sedia setiap saat. Keuntungan utama dari MSS adalah ia dapat diukur. Teknologi-teknologi MSS dapat diterapkan pada satu lokasi atau mereka dapat didistribusikan di keseluruhan perusahaan. Komputasi saraf (neural computing) adalah teknologi yang mencoba menampilkan proses pembelajaran dan pengenalan pola.

yang diakhiri dengan suatu rekomendasi. and (4) implementation. dan prosedur yang ditujukan untuk melakukan fungsi tertentu atau memenuhi suatu tujuan. Contohnya adalah bahan baku yang masuk ke pabrik kimia. Fase 1 sampai 3 merupakan dasar pengambilan keputusan. 4 fase dalam pengambilan keputusan. GDSS.Koneksi antara dan interaksi diantara sub sistem disebut dengan antarmuka/interface.SISTEM. Proses adalah proses transformasi elemen-elemen dari input menjadi output. dan Output. dan ES melibatkan satu istilah: sistem. Output adalah adalah produk jadi atau hasil dari suatu proses di sistem.Sedangkan pemecahan masalah adalah serupa dengan pengambilan keputusan (fase 1 sampai 3) ditambah dengan implementasi dari rekomendasi (fase 4). konsep. Sistem adalah kumpulan dari obyek-obyek seperti orang.1. Sistem.ST Page 13 .kesulitan tapi mencakup juga penyelidikan mengenai kesempatan-kesempatan yang ada. Feedback adalah aliran informasi dari komponen output ke pengambil keputusan yang memperhitungkan output atau kinerja sistem. EIS. input data ke komputer. 2.yaitu: (1) intelligence. atau proses.Pemecahan/penyelesaian masalah tak hanya mengacu ke solusi dari area masalah/kesulitan . Input adalah semua elemen yang masuk ke sistem. DSS. Sistem Pendukung Keputusan – Gunandjar. Proses. bisa memutuskan untuk memodifikasi input. pasien yang masuk ke rumah sakit. yang bertindak sebagai pengontrol. (3) choice. (2) design.PEMODELAN DAN DUKUNGAN Pengambilan keputusan adalah proses pemilihan. Dari informasi ini. diantara berbagai alternatif aksi yang bertujuan untuk memenuhi satu atau beberapa sasaran. resources. atau malah keduanya. Sistem terdiri dari: Input. pengambil keputusan.BAB 2 PENGAMBILAN KEPUTUSAN.

2 ukuran utama dari sistem adalah: efektivitas dan efisiensi. hukum. Sistem ada di dalam boundary. Sistem ini secara penuh mandiri. Sistem ini menerima input (informasi.ST Page 14 . Bila suatu elemen memiliki hubungan dengan tujuan sistem serta pengambil keputusan secara signifikan tak mungkin memanipulasi elemen ini. Tak seperti sistem yang sesungguhnya tetapi berlaku seperti itu. dan ekonomi. mereka dapat mempengaruhi kinerja dan tujuan sistem. Model adalah representasi sederhana atau penggambaran dari kenyataan. Ini mengacu pada hasil atau output dari suatu sistem. 2. Sistem Pendukung Keputusan – Gunandjar. speedometer. Contoh: bagan organisasi. GUI pada OOPL adalah contoh dari model ini. misal: suatu sistem di batasi oleh waktu tertentu. 2. • Sistem tertutup (Closed System) adalah sistem yang merepresentasikan derajat kemandirian dari sistem. dimana environment ada di luarnya. Bisa secara fisik. seberapa banyak uang yang digunakan untuk mendapatkan level tertentu penjualan. bagan pasar modal. maka elemen tersebut harus dimasukkansebagai bagian dari environment. Contoh: sosial. biasanya dalam skala tertentu dari bentuk aslinya. Doing the “right” thing. output. Terdapat 3 jenis model: 1. material) dari lingkungannya dan bisa juga memberikan outputnya kembali ke lingkungan tersebut. politik. Replika fisik dari sistem. • Sistem terbuka (Open System) sangat tergantung pada lingkungannya. Lebih abstrak daripada model Iconic dan merupakan representasi simbolis dari kenyataan. energi. Analog. Efisiensi adalah ukuran penggunaan input (atau resources) untuk mencapai tujuan. sebagai contoh. aspek fisik. peta.2 Model Karekteristik utama dari DSS adalah adanya kemampuan pemodelan. misal: sistem adalah sebuah departemen di Gedung C. atau non fisik. atau pun proses. Iconic (Scale). Efektivitas adalah derajat seberapa banyak tujuan sistem tercapai. Namun. Sistem dan lingkungannya: Boundary/batas adalah pemisah antara suatu sistem dengan environment-nya.Environment/lingkungan dari sistem terdiri dari berbagai elemen yang terletak di luar input.Doing the “thing” right. tak tergantung sama sekali.

Analisis DSS menggunakan perhitungan numerik yang dibantu dengan model matematis atau model kuantitatif lainnya. Manipulasi model (perubahan variabel) lebih mudah dilakukan daripada bila diterapkan pada sistem nyata. 2. Tapi ini tak berjalan bila: 1. Matematis (Kuantitatif). 6.ST . 7. Kompleksitas hubungan dalam sistem organisasi tak dapat direpesentasikan dengan Iconic atau Analog. karena kalau pun bisa akan memakan waktu lama dan sulit. Operasi bertahun-tahun dapat disimulasikan dalam hitungan menit di komputer. Lingkungan sekarang yang makin berada dalam ketidakpastian. 5. Biaya analisis model lebih murah daripada percobaan yang dilakukan pada sistem yang sesungguhnya. 3. Akibat yang ditimbulkan dari adanya kesalahan-kesalahan sewaktu proses trial-and-error lebih kecil daripada penggunaan model langsung di sistem nyata. Terlalu banyak alternatif untuk dicoba. Dengan adanya komunikasi dan teknologi canggih sekarang ini. • Simulasi. 2. Model meningkatkan proses pembelajaran dan meningkatkan pelatihan. Selanjutnya percobaan yang dilakukan akan lebih mudah dilakukan dan tak mengganggu jalannya operasi harian organisasi. Akibat samping dari error yang terjadi besar pengaruhnya. Penggunaan model matematis bisa menjadikan analisis dilakukan pada kemungkinan. Lingkungan itu sendiri selalu berubah. 4. bahkan bisa tak terhitung. 2.kemungkinan solusi yang banyak sekali. Model memungkinkan untuk menyingkat waktu.3 Proses Pemodelan Berikut ini adalah proses yang terjadi pada pemodelan: Trial and error dengan sistem nyata. Page 15 Sistem Pendukung Keputusan – Gunandjar. Penggunaan pemodelan menjadikan seorang manajer dapat menghitung resiko yang ada pada proses-proses tertentu. Keuntungan model Di bawah ini adalah alasan utama mengapa MSS menggunakan model: 1. manajer akan seringkali memiliki alternatif-alternatif pilihan.3. 3.

2. Prediksi hasil.ST Page 16 .Termasuk juga disini pemahaman masalah dan pengecekan solusi yang layak. Struktur model. Klasifikasi masalah. Tugastugas yang ada pada tahap ini merupakan kombinasi dari seni dan pengetahuan. pengembangan. Proses pengambilan keputusan. dan divalidasi. Intellegence Phase Proses yang terjadi pada fase ini adalah: • • • • Menemukan masalah. Penguraian masalah. yaitu: • • • • • • • Komponen-komponen model. Pengukuran hasil.4 Design Phase. Seleksi prinsip-prinsip pemilihan (kriteria evaluasi). Pengembangan (penyediaan) alternatif. Juga model dari masalahnya dirancang. Skenario. dan analisis hal-hal yang mungkin untuk dilakukan.5 Komponen-komponen Model Kuantitaif Struktur umum dari model Uncontrollable Variables Decission Variables Relationship Result Variables Sistem Pendukung Keputusan – Gunandjar.• • • Optimisasi Heuristic. 2. dites. Tahap ini meliputi pembuatan. Kepemilikan masalah.

and return. Sistem terdiri dari input. amounts. liquidity level of invesmentn Advertising budget. Data processing cost Computer audit schedule Shipments schedule Staffing levels error rate Total transport cost Customer satisfaction technology. Semua sistem dipisahkan dari lingkungannya dengan suatu batas. analog Page 17 Sistem Pendukung Keputusan – Gunandjar. berinteraksi dengan lingkungannya. output. regulations Demand of service Kesimpulan • • • • • • • Manajemen pengambilan keputusan serupa dengan keseluruhan proses manajemen. proses dan pengambil keputusan. tax rates Delivery distance . Sistem dapat terbuka. Pemecahan masalah juga mengacu pada evaluasi peluang. Market share product mix Product and amounts inventory levels communication Accounting Transportation Service customer satisfaction competitors action Total cost quality Machine capacity level satisfaction employee technology materials prices program Use of computers.Contoh – contoh dari komponen model Uncontrollable Area Financial Invesment Decision variables Investment alternative investment. period of share. DSS utamanya berhubungan dengan sistem yang terbuka. yang bisa dalam bentuk iconic. Model banyak digunakan dalam MSS. Marketing Manufacturing Result variables variables and parameters Total profit rate of Inflatation rate . earning per prime rate competition timing Customers income.ST . atau tertutup.

Gaya keputusan manusia harus dikenali dalam mendesain MSS. design. Pemodelan dapat menggunakan teknik simulasi. alternatif dihasilkan. • • • • • • • • • • • • Model menjadikan percobaan dari suatu sistem lebih cepat dan murah. Komputer dapat mendukung semua fase pengambilan keputusan dengan mengotomatisasi tugas/proses yang diperlukan. atau heuristic. Pada fase intellegence. Pada fase choice. Pengambilan keputusan melibatkan 4 fase utama: intelligence. kriteria pemilihan ditetapkan. masalah (peluang) diidentifikasikan. Dalam evaluasi alternatif. suatu model sistem dibuat. Critical success factor adalah metodologi untuk mendiagnosis masalah dan mengidentifikasi kebutuhan informasinya. “What-if” dan goal seeking adalah 2 pendekatan analisis sensitivitas. hasil diprediksi. dan implementation. dan metodologi keputusan dibuat.atau matematis. Berbagai teknik pencarian disediakan.ST Page 18 . optimisasi. diklasifikasikan. Pada fase design. berbagai alternatif dibandingkan dan pencarian solusi yang terbaik (atau yang cukup baik) dimulai. choice. Sistem Pendukung Keputusan – Gunandjar. Keputusan dibuat oleh individu atau group dapat didukung oleh MSS. harus dipertimbangkan multiple goal dan masalahmasalah analisis sensitivitas. dan diuraikan (jika diperlukan).

Mulai dari database komersial sampai data yang dikumpulkan dari sensor dan satelit. meminta pendapat pakar (misal dengan mewawancarainya). Problem Data are not correct. • Instrumen dan sensor. eksternal. musik. Possible Solutions (in Some Cases) Raw data were entered Develop a systematic way to inaccurately. atlas. dan personal. Pilihlah data eksternal yang relevan saja.ST Page 19 . film. Data disimpan dalam satu atau beberapa tempat dalam suatu organisasi. survey (menggunakan kuisoner). berita/informasi dari BEJ/BES. services. Eksternal. Personal. Internal. carefully monitor both the data values and the manner in which the data were generated. Permasalahan data mengikuti asas GIGO (Garbage In Garbage Out). jamannya Christianto Wibisono sebelum pindah ke Australia). Whenever derived data carelessly.BAB III MANAGEMENT DATA 3.2 Pengumpulan dan Permasalahan Data Metode pengumpulan data mentah bisa menggunakan cara: • Manual. dan televisi.1 Sumber Data 3 sumber data adalah dari: internal. Modify the system for The method for generating generating the data. Contoh: data mengenai karyawan dan penggajiannya. observasi (misal dengan menggunakan kamera video). the data is not rapid enough Typical Cause Data are not timely Sistem Pendukung Keputusan – Gunandjar. 3. Bentuknya bisa berupa CD-ROM. 2. Contoh: metode time studies (selama observasi). dan lain-lain. Juga gambar. dan proses. Contoh: perkiraan penjualan atau opini mengenai kompetitor. Data ini mengenai orang. produk. Biro Pusat Statistik. karena banyak tak relevan dengan MSS yang diinginkan. Contoh: PDBI (dulu. 3. Para pakar dapat memberikan kontribusinya pada MSS untuk berbagai aplikasi tertentu.Data derived by ensure the accuracy of raw an individual were generated data. Digunakan untuk membantu metode manual atau malah kadang dominan peranannya bila cara-cara manual sudah tak mampu lagi. diagram. atau suara. 1. are submitted.

4GLs memiliki keuntungan: • Result-oriented. Bahasa ini mengijinkan programmer untuk menjelaskan karakteristik masalah yang akan diselesaikan bukannya prosedur-prosedur yang harus diikuti. dll. • • • Procedural Languages. Bahasa utama dalam kebanyakan generator DSS dan berbagai tool MSS lainnya. Data are not measured or indexed properly. Software Database. Nonprocedural Fourth-generation Language (4GLs). dan keamanan data yang lebih baik dari sekedar database biasa. FORTRAN. Needed data simply do not exist Required data never existed.3 Database dan management database DBMS didesain untuk sebagai suplemen yang mengijinkan kita dalam mengintegrasikan data dalam skala yang lebih besar.ST . pengubahan dan penampilan data secara cepat. PHP. 3. A detailed model contains so many coefficients that it is models. Make an effort to generate the data or to estimate them if they concern the future. Diikuti dengan Object-oriented Language: C++. Contoh: GPSS (General Purpose Simulation Software) digunakan untuk mengkonstruksi model simulasi dan dapat digunakan untuk mengkonstruksi DSS yang besar. This may be impractical because of the cost of storing and maintaining data.No one ever stored data needed now Whether or not it is useful now. pengambilan. of the analysis. Problem-oriented Language. COBOL. Raw data are gathered Develop a system for according to a logic or rescaling or recombining the periodicity that is not consistent with the purposes improperly indexed data. struktur file yang kompleks.to meet the need for the data. difficult to develop and maintain. Contoh: BASIC. Futher more the data may not found when they needed. C#. dan Pascal. Java. Meningkatkan produktivitas paling sedikit 5 kali lipat sampai Page 20 Sistem Pendukung Keputusan – Gunandjar. store data for future use. Delphi.

dan dibangunnya itu adalah dari sekedar konsep kasar. Modeling language. Micro-to-mainframe environment. f. i. Graphic enhancement. Fitur-fitur ini adalah: a. Sebagai tool yang digunakan saat suatu MSS atau MSS generator (engine) dibangun. satu DBMS dapat dibuat dengan 4GL. l.4. Sebagian besar end-user dapat membangun sistem dengan 4GLs tanpa bantuan perantara. Extended data access. Fourth-generation Systems. n. m. Sistem Pendukung Keputusan – Gunandjar.sekitar 300 kali lipat untuk berbagai aktivitas. 3. Sehingga merupakan tool pengembangan yang efektif. Sebagai suatu MSS generator untuk membangun aplikasi tertentu. Nonprocedural language untuk data maintenance. Applications management. • Fourth-generation languages (4GLs) digunakan untuk membangun sistem secara cepat dan murah.ST Page 21 . Environment untuk applications development. c. sebab 4GLs dirancang baik untuk spesialis maupun end-user. d. Sebagai tool ideal untuk pusat informasi (Information Centers). Screen definition dan management facility. Environment untuk information consumers. e. Query language. h. b. dan buat pembangunan DSS membuatnya menjadi lebih mudah . sebagai contoh. Client/server management. Fourth-generation DBMS. g. j. DBMS yang digunakan sebagai tool pengembangan dari suatu DSS. Nonprocedural report writer (atau report generator). Contoh dari sistem seperti ini adalah suatu komposisi populer spesial untuk komputer mainframe dan disebut dengan Fourth-Generation System (FGS) yang lengkap. biasanya ditulis dalam 4GL dan diintegrasikan dengan berbagai elemen yang lain. k. Relational language. FGS yang lengkap mempunyai berbagai fitur yang membuat user mudah berkomunikasi dengan komputer. • Sebagai basis dalam pembangunan tool atau komponen yang lain dari suatu MSS.

SQL adalah bahasa nonprocedural dan user-friendly.ST Page 22 . Aplikasi MSS yang kompleks.6 Object-oriented Database. dan untuk fungsi-fungsi administrasi database. Ingres. • SQL. DBMS didesain dengan menggunakan struktur ini untuk mengeksekusi fungsi-fungsinya. Struktur ini disebut dengan model CODASYL. Hierarchical. sehingga enduser dapat menggunakannya dalam query dan berbagai operasi database. ataupun relasional tak dapat mengatasi database yang kompleks tersebut Sistem Pendukung Keputusan – Gunandjar. membuat link lojikal diantara item data yang berelasi. Struktur ini mengijinkan link yang kompleks. atau bagan organisasi. Juga digunakan untuk mengakses dan memanipulasi fungsi dari software DBMS terkemuka saat ini (contohnya: Oracle. • Relational Database.3. yang melibatkan gambar-gambar dan relasi yang juga kompleks. misalnya yang melibatkan CIM (Computer Integrated Manufacturing) membutuhkan akses ke data yang kompleks.5 Struktur database dan sql Relasi diantara berbagai record individu yang tersimpan dalam database dapat dinyatakan dengan berbagai struktur lojikal. Ini dapat menghemat penyimpanan data dengan men-share-nya pada beberapa item. dan mudah diakses dalam berbagai format tanpa perlu • mengantisipasinya pada waktu awal mendesain dan mengembangkannya. Menyusun item data dalam gaya top-down. dan Supra). untuk berbagai produk operasi DBMS dari program. Arsitektur database hierarchical. DB2. network. 3. Bahasa data yang menjadi standar untuk mengakses dan memanipulasi data dalam RDBMS. data mudah dikembangkan atau diubah. Keuntungan dari bentuk ini adalah user mudah untuk mempelajari. Digunakan untuk akses online ke database. • Network. termasuk koneksi rumit diantara item-item yang berelasi. Sehingga mirip seperti pohon. Beberapa file data “direlasikan” dengan field data dari dua (atau lebih) file data.

Ini membantu membuat dan mengatur model. Alternatif lain. Serupa dengan fenomena ini. dan karakter-karakter lain). Walaupun SQL digunakan untuk membuat dan mengakses database relasional. padahal terkadang diperlukan representasi grafis untuk mendapatkan hasil terbaik. dapat pula dibangun dengan sebagian DBMS dan sebagian lagi dari spreadsheet. 3. Hal utama yang ada di DMBS adalah manajemen data. menampilkan kalkulasi berulang pada variabel yang berhubungan.Program spreadsheet berhubungan dengan aspek pemodelan DSS. statistik dan keuangan. banyak program spreadsheet menawarkan berbagai kemampuan DBMS. G-Base. solusinya tetap saja tiak efektif. Express. mengubah. serta object encapsulation mengijinkan desainer database untuk menyimpan baik data konvensional maupun kode-kode prosedural dalam objek yang sama. C++. C#. sehingga membuat user dapat menampilkan kerja spreadsheet dengan suatu DBMS. menghapus.Sayangnya ada kebingungan terhadap sifat utama DMBS dan program spreadsheet ini. Semua arsitektur ini berhubungan dengan database alphanumeric (huruf. dan Versant. dan menampilkan data. PHP.ST Page 23 . seperti: Lotus 1-2-3 dan Excel. Contoh dari object-oriented data manager: GemStone. Sistem OODB mengkombinasikan karakteristik bahasa pemrograman berbasis objek seperti Smalltalk. Utamanya disebabkan karena berbagai DMBS itu menawarkan kemampuan yang serupa dengan yang ada di spreadsheet terintegrasi. VBase. Tool-tool berorientasi objek berfokus secara langsung pada database. Java. Abstraction digunakan untuk membuat hirarki inheritance.secara efisien. dan lain-lain dengan mekanisme penyimpanan dan pengaksesan data. DBMS mengijinkan user untuk meng-query data seperti halnya menghasilkan report.7 Aplikasi Database dan Spreadsheet. Aplikasi DSS membutuhkan data dan pemodelan dalam prosesnya. Manajemen data berorientasi objek didasarkan pada prinsip-prinsip pemrograman berbasis objek. serta melibatkan faktor-faktor matematis. OODB mengijinkan kita untuk menganalisis data pada level konseptual yang menekankan hubungan alamiah diantara objek. yaitu untuk membuat. sehingga DSS dapat dibangun dengan mengembangkan lebih lanjut DBMS atau dengan mengintegrasikan spreadsheet. angka. Ontos. Delphi. Pendekatan ketiga adalah dengan menggunakan DSS generator yang benar-benar terintegrasi Akhirnya dapat disimpulkan bahwa seseorang dapat membangun DSS dari konsep Sistem Pendukung Keputusan – Gunandjar.

Pertama. Proses penyatuan ini dapat mencegah berbagai aplikasi kritis dan mengembangkan misi yang sudah ada.10 Konsep Information Warehouse (IW). dan tool-tool manajemen. 3. databases. • Optimasi yang lebih tinggi pada resourses jaringan dan sistem memastikan bahwa pelayanan kualitas yang tinggi dijaga pada biaya terendah yang mungkin. Kedua. Sistem komputer yang melibatkan keseluruhan organisasi disebut dengan enterprise computing atau enterprise-wide systems. • Sering dan cepatnya perubahan dan bertambahnya kompleksitas dapat diakomodasikan dengan cepat. 3. Ini adalah kerangka kerja berbasis teknologi yang terdiri dari berbagai aplikasi. tanpa mengganggu ketersediaan sistem dan jaringan.9 Keuntungan dari enterprise computing adalah: • • Menyediakan pelayanan yang responsif dan handal secara kontinyu.kasar dan tak perlu menggunakan 4GLs yang ada. mereka harus bisa mengantisipasi pertumbuhan dan makin kompleksnya keragaman peralatan dan sistem. Sistem enterprise jelas makin kompleks. adanya kebutuhan untuk mengefektifkan cost dari penyatuan semua sumber informasi kedalam aset bisnis yang termanajemen. jaringan.8 Enterprise DS dan Information warehouse Terdapat dua kontradiksi dalam bisnis modern. Manajer harus mengantisipasi tantangan ini. Istilah enterprise mengacu pada pengertian keseluruhan organisasi. adanya kebutuhan terhadap solusi hardware dan software yang khusus dan terlokalisasi. • • Otomatisasi proses manajemen menjadikan biaya administrasi dan operasional system berkurang seiring dengan pertumbuhan enterprise. Enterprise computing adalah suatu arsitektur dari sistem komputer terintegrasi yang melayani bermacammacam kebutuhan suatu enterprise. hardware. dan biasanya berasal dari berbagai vendor. Keamanan jaringan dan data meningkat. Paduan kerjasama yang lebih baik dalam penggabungan solusi client/server baru pada mainframe yang sudah ada.ST Page 24 . 3. Sistem Pendukung Keputusan – Gunandjar.

• Pada sistem client/server terdapat berbagai client. akurat. IBM membuat konsep IW yang didesain untuk meng”unlock” data secara ekonomis pada suatu suatu enterprise. dan mainframe. Dicirikan oleh: • • GUI. dan efisien. tool. sampai saat dibutuhkan. Client ini saling berbagi resources Sistem Pendukung Keputusan – Gunandjar. dihubungkan ke jaringan.Kunci sukses dari enterprises-wide MSS adalah infrastruktur yang mendukung akses. retrieval.11 Arsitektur client . User dihubungkan oleh interface ke Client.ST Page 25 Client-nya adalah PC atau workstation. analisis. manipulasi. masing-masing dengan interface user sendiri-sendiri. efektif.server Arsitektur yang mencoba untuk mengorganisasi PC. interface. IW adalah sekumpulan DBMS. yang selama ini belum bisa dilakukan oleh user MSS. Umumnya menggunakan yang digunakan untuk mengakses resources jaringan. dan mudah dimengerti dalam pengambilan keputusan bisnis. . LAN. Di bawah ini disajikan bagan dari IW-nya IBM: Internal and External Data Statistics + forecasting Information Werehouse spreadsheets Graphical procedures Business Comunications Reporting Graphics Queries Analysis + modeling Project Management 3. metodologi penampilan grafis. ke dalam sistem yang fleksibel. dan berbagai fasilitas yang mengatur dan menyampaikan informasi yang handal. konstruksi presentasi. dan komunikasi (transfer) hasil-hasil serangkaian aktivitas yang dilakukan. tepat waktu.

menentukan apa yang harus dilakukan untuk setiap permintaan client tertentu. BBS. atau pelayanan komunikasi ke jaringan.yang disediakan server. Server menangani database dan pemrosesan transaksi yang lebih intensif. dan fungsi-fungsi perantara (untuk aliran informasi internal dan eksternal).ST Page 26 . dan/atau peralatan LAN. berbagai tugas yang tak dapat diproses di client (atau lebih cepat diproses di server). • • • • Server menampilkan hasil-hasilnya pada layarnya client. dalam bahasa Client dapat mengirimkan query atau command ke server untuk minikomputer. Client menampilkan manipulasi data lokal dan user interface-nya. sebuah mainframe. Kebanyakan server adalah: database server. tempat penyimpanan yang besar. dan bagian back-end diselesaikan oleh server. ini hanyalah sekedar reaksi Server tak dapat berkomunikasi dengan setiap client untuk image-processing server. Client dapat menampilkan berbagai query. dan communication server. manajemen jaringan dan dokumen. • Server melayani file sharing. • Server adalah mesin yang melayani client dengan berbagai pelayanan seperti database. penyimpanan dan retrieval informasi. command. dari permintaan client. seperti e-mail. dan video text. • Taks/tugas dibagi atas 2 bagian: bagian front-end diselesaikan oleh client. • • • Server bisa berupa workstation yang besar. • Pada client/server computing. transaksi client (dieksekusi pada desktop computer) bekerjasama dengan service (dieksekusi pada komputer yang lebih besar). yang sudah umum digunakan semisal SQL sebagai presentasi ke server. Sistem Pendukung Keputusan – Gunandjar. Aplikasi client/server dibagi menjadi 4 kategori: 1. file server. Server tidak memulai suatu pekerjaan.computing server. print server. seperti misalnya manajemen e-mail. Aplikasi pesan.

Jika jawaban dari pertanyaan ini dapat disediakan tanpa memperhatikan struktur databasenya. dan dapat dilakukan oleh user itu sendiri. selama bulan tertentu juga. 4. atau industri. ukuran. Keuntungan dari pendekatan ini adalah data diorganisasi menurut cara pandang manajer bukan menurut cara pandang analis sistem. sales volume (volume penjualan). jalur distribusi. juga berbagai presentasi data yang sama dapat diatur dengan mudah dan cepat. Ringkasan data dapat diorganisasi dalam berbagai cara untuk kepentingan analisis dan presentasi. negara. Contoh waktu: harian. yang dilakukan oleh orang di bagian penjualan tertentu. bulanan. salespeople (orang-orang bagian penjualan). seorang manajer ingin mengetahui penjualan dari produk M pada area geografis tertentu. Contoh dimensi: produk. Tapi perlu diingat. atau remote akses komputer. Penyebarluasan suatu database diantara berbagai jaringan komputer. Pendekatan ini disebut dengan multidimensionality. mingguan. pendekatan ini harus dibayar dengan hal-hal berikut: Database multidimensional memakan tempat 40 persen lebih banyak dibandingkan dengan database relasional yang sudah diringkaskan. Ini bisa terjadi jika data diorganisasikan dalam database multidimensional atau jika produk software tersebut didesain berdasar konsep multidimensionality. aktual vs perkiraan. segmen pasar. yang dihitung berdasarkan unit. • • • • Pendekatan multidimensionality ini biasanya lebih banyak digunakan dalam EIS. keuntungan penyimpanan. tergantung pada volume data dan jumlah dimensinya. caturwulan. unit bisnis. Sistem Pendukung Keputusan – Gunandjar. dan waktu.2. Waktu proses pemanggilan databasenya membutuhkan resources dan waktu. 3 faktor dalam multidimensionality: dimensi. atau tahunan. • • Contoh ukuran: uang. masing-masingnya dikerjakan pada komputer yang berbeda. lokasi gegrafis. Pemrosesan aplikasi intensif dimana job dibagi dalam berbagai task. 3. maka hal itu dapat dilakukan lebih cepat. Sharing/pemakaian bersama pada file/peralatan lain. Produk multidimensional membutuhkan biaya 50 persen lebih banyak dibandingkan dengan produk relasional standar. Contohnya.ST Page 27 .

sekarang dibeli Microsoft). sekarang merupakan divisi dari Page 28 Sistem Pendukung Keputusan – Gunandjar.). diperkuat dengan Q&E (dari Q&E Corp. Pengembangan selanjutnya adalah penambahan pada arsitektur client/server.12. 3. teknologi informasi berkonsentrasi pada pembangunan system bermisi kritis – sistem yang mendukung pemrosesan transaksi perusahaan (Corporate Transaction Processing).). GUI. Selama beberapa waktu. jaringan.). aplikasi jenis ini lebih memperhatikan tentang bagaimana mendapatkan (retrieve) dan menampilkan data. dan pendekatan client/server. Visual Basic (dari Microsoft). diperkuat dengan DataLens. daripada bagaimana data diakuisisi atau disimpan. Solusi berikutnya adalah penyediaan sistem yang mendukung Online Transaction Procession (OLTP). Sehingga. yang bertumpu pada lingkungan database relasional terdistribusi. Sehingga beberapa perusahaan memilih untuk memisahkan databasenya ke dalam tipe OLTP dan DSS.• Antarmuka dan perawatannya lebih kompleks dibandingkan dengan database relasional. Sayangnya menyediakan layanan untk kedua tipe ini menimbulkan berbagai masalah. end-user data access. Akses ke data sering dibutuhkan baik oleh aplikasi OLTP maupun oleh DSS dan juga oleh MSS lainnya.ST . Tool ini ditujukan untuk mendayagunakan user. Yang lain mencoba untuk menggunakan tool-tool yang inovatif untuk pengaksesan data. Quest (dari Gupta Corp. Lotus 1-2-3 (dari Lotus Development Corp. Contoh produknya: • • • • • • • Excel (dari Microsoft). Pengaksesan Data: Data Dipping. Contoh aplikasi OLTP ini: INFORMIX-OnLine. Personal Access (dari Spinnaker Corp. sebab sistem ini mengijinkan user untuk mengaduk-aduk apa saja di dalam database untuk mendapatkan apa yang mereka perlukan. dan data access and reporting tools. LightShip (dari Pilot Software). Forest and Trees (dari Channel Computing. Beberapa orang menyebut hal ini data dipper.. Sistem ini membutuhkan toleransi kesalahan tertentu dan juga menyediakan respon sistem yang cepat. Data dipping ini memiliki juga nama lain: Business Intelligence Systems. dimana tool ini berbasiskan PC yang murah.

terus menerus mengumpulkan data. dapat mempermudah manajemen database. Updating. Salah satu cara untuk melakukan itu adalah dengan memperkuat sistem manajemen database dengan penyediaan kemampuan inferencing.Trinzic Corp. Pendekatan ini disebut dengan intelligent database. informasi. dan knowledge. Sebagai contoh. eksternal. Sistem Pendukung Keputusan – Gunandjar. dan penghapusan informasi ini makin lama makin kompleks seiring dengan bertambahnya jumlah data. khususnya ES.). sehingga user dapat menemukan sendiri suatu informasi dengan cepat Kesimpulan Data terdapat dalam sumber-sumber internal.13 Intelligent Database Organisasi. penggunaan. Pengembangan aplikasi MSS membutuhkan akses ke database. Di bawah ini terdapat diagramnya: End-User Dialog Input Database and DBMS Inference Engine Database Storage Data Model Rule Base Storage ES Report Screens Database Transaction s Logic Database Aplication Program Satu dari tujuan kritis yang utama adalah untuk membuat database intelligent. Teknologi AI.ST Page 29 . tanpa akses database tentulah menjadi sulit untuk menggunakan ES dalam aplikasi MIS yang besar seperti otomasi pabrik dan otorisasi kartu kredit. 3. dan personal. dan menyimpannya ke dalam sistem terkomputerisasi. reviewing. pribadi dan publik.

baik itu berarsitektur relasional. kamus (dictionaries). tipe yang disukai adalah relasional. • • • • • • • SQL adalah akses standar untuk database relasional. Data untuk MSS kemungkinan mempunyai berbagai masalah seperti: data yang tidak benar (incorrect data). Banyak perusahaan mengembangkan pendekatan berskala global (enterprisewide) dalam hal manajemen data.ST Page 30 . OODB disediakan khusus untuk menangani DSS yang kompleks seperti yang terdapat pada Computer Integrated Manufacturing. data yang waktunya tidak tepat (nontimely data). DSS dapat diprogram menggunakan bahasa pemrograman generasi ketiga. Data diorganisasi dalam berbagai cara. Juga Sistem Pendukung Keputusan – Gunandjar. • • Sistem generasi keempat mengikutsertakan berbagai fitur terintegrasi untuk manajemen data. Data untuk MSS perlu dikumpulkan berulang-ulang di lapangan menggunakan salah satu dari berbagai metode. MSS terdistribusi mengumpulkan kelebihan-kelebihan dari PC dan kekuatan dari suatu mainframe. Untuk kebanyakan MSS. OODB mudah untuk digunakan dan sangat cepat dalam aksesnya. direktori. • Enterprise-wide information system mengacu pada sistem yang menyediakan komunikasi diantara semua karyawan secara organisasional. Terdapat kecenderungan untuk menjadikan MSS terdistribusi melalui jaringan. sangat berguna dalam MSS terdistribusi. hirarkikal. berbagai MSS ditawarkan pada sistem client/server. atau malah tak ada data sama sekali. report. tetapi biasanya diprogram dengan menggunakan bahasa pemrograman generasi keempat. Sebagai contoh adalah Information Warehouse dari IBM. dan lain-lain. maupuan jaringan. terlalu banyak data. data yang ukuran dan indeksnya tidak bagus (poorly measured and indexed data). • • Database online yang besar seperti CompuServe dan Dow Jones Information Service bisa menjadi sumber utama data MSS.• • • Data eksternal tersedia dalam ribuan database komersial online.

telekomunikasi.menyediakan akses ke sembarang data atau informasi yang diperlukan oleh semua karyawan pada berbagai lokasi. beberapa PC (client) saling terhubung satu sama lain dan terhubung juga ke database. • Dalam client/server. Sistem Pendukung Keputusan – Gunandjar. • Data multidimensionality mengijinkan kita untuk melihat (view) data dengan cepat dengan dimensi yang berbeda. dan berbagai penyedia layanan yang lain (server).ST Page 31 . walaupun data tersebut berada pada file dan database yang berbeda.

Java. EFPM untuk kalangan perguruan tinggi. Lotus 1-2-3.ST Page 32 .3 Proses Pengembangan DSS • Pengembangan suatu DSS terkait juga dengan struktur permasalahan: tak terstruktur. Agar lebih mudah membangun DSS bisa digunakan bahasa khusus (misal CASE TOOLs). Generator lebih efisien dari 4GL tapi ini tergantung juga pada batasannya. apalagi yang besar.BAB IV MEMBANGUN DSS 4. spreadsheets. 5. • • Melibatkan hal-hal: teknis (hardware.2 Strategi Pengembangan 1. semi terstruktur. MIS bisa digunakan untuk ini. Di bawah ini disajikan bagan fase-fase pengembangan suatu DSS: Sistem Pendukung Keputusan – Gunandjar. dampak DSS pada individu). Delphi. 4. ataupun terstruktur. C. Memiliki jaminan Untuk DSS yang kompleks. Berturutturut ES/DSS. pendekatan di atas. Express. merupakan proses yang rumit. 4. jaringan) dan perilaku (interaksi manusiamesin.1 Pendahuluan Membangun sebuah DSS. financial-oriented language. bisa mengintegrasikan pendekatanFDC untuk budgeting & financial analysis. Tulis DSS dengan bahasa pemrograman umum: Pascal. dan +. 4. Menggunakan DSS Generator: Excel. DSS. 6. Quattro Pro. Menggunakan DSS Generator khusus (domain specific): Commander Mengembangkan DSS dengan metodologi CASE. dan lainnya. 2. C+ Menggunakan 4GL: data-oriented language. C#. 3. kualitas yang memadai.

Predesign Phase B Research: How to Address User Needs? What Resources Are Available? The DSS Environment Phase C Analysis: What Is the Best Development Approach? What Are the Necessary Resources? Define Normative Models. Phase D Design Design User Interface Dialog Design Problem Processing System (model base) Design DSS Database Design Knowledge component Construction: Putting Together the DSS. 4. Tests Phase E Phase F Implementation: Testing and Evaluation. and Deployment Maintenance and Documentation Phase G Adaptation: Continually Repeat the Process to Improve the System Phase G • Untuk lebih memahami proses desain lebih lanjut. berbagai pendekatan konstruksi DSS. haruslah dikuasai beberapa konsep dasar seperti: strategi pengembangan. Problem Diagnosis. dan pengembangan DSS berbasis tim vs pengembangan berbasis user. Demonstration. Orientation.4 Proses pengembangan : Life cycle vs prototyping Pembangunan DSS dilakukan dalam berbagai cara. Training. Dibedakan antara pendekatan life cycle (daur hidup) dan iterative process (proses berulang). Sistem Pendukung Keputusan – Gunandjar.Phase A Planning: Needs Assesment. Objectives of DSS. sifat berulang dari suatu proses.ST Page 33 .

Memilih submasalah penting yang akan dibangun pertama kali. • • • • • Asumsi dasarnya adalah kebutuhan informasi dari suatu sistem dapat ditentukan sebelumnya. IRD secara tradisional merupakan kombinasi analisis lojik dengan pengamatan perilaku pemrosesan informasi. seperti di bawah ini: 1.ST . Pendekatan Prototyping Evolusioner. Menghaluskan. Meningkatkan pemahaman user terhadap sistem. IRD bisa juga melibatkan CSF (Critical Success Factors). adaptive design (desain adaptif) dan incremental design (desain berkelanjutan). dan implementasi) ke dalam 1 langkah yang diulang-ulang. Di satu sisi memahami kebutuhan user adalah hal yang sulit. 2. proses berulang (iterative process). Sehingga perluditerapkan adanya bagian pembelajaran dalam desain atau proses kita. • Proses desain berulang ini mengkombinasikan 4 fase utama SDLC tradisional (analisis.out process (proses sementara).Pendekatan SDLC (System Development Life Cycle). mengembangkan. Page 34 Sistem Pendukung Keputusan – Gunandjar. informasi yang dibutuhkan. • Pendekatan prototyping disebut juga proses evolusioner (evolutionary process). 4. konstruksi. 3. Nama lainnya adalah middle. dan memodifikasi sistem secara berulang. Mengembangkan sistem yang kecil. Dari situ. Keuntungan Proses Berulang dalam membangun DSS: • • • Waktu pengembangannya singkat. IRD (Information Requirements Definition) adalah pendekatan formal yang digunakan oleh sistem analis. diharapkan user belajar mengenai masalah atau lingkungannya sehingga dapat mengidentifikasi kebutuhan informasi baru dan yang tak diantisipasi sebelumnya. desain. dalam membantu pengambil keputusan. tapi berguna. Mengevaluasi sistem terus menerus. Proses berulang terdiri dari 4 tugas. DSS didesain untuk membantu pengambilan keputusan para manajer pada masalah yang jelekstrukturnya. Waktu terjadinya umpan balik dari user singkat. atau cukup disebut prototyping saja.

dan berbagai tool. jaringan komunikasi komputer. dan prosesnya memakan biaya. Berbagai individu dalam setiap kategori tadi.ST Page 35 . Dalam departemen IS (Information Services). • Biayanya rendah. • • Enterprise-wide computing serta kemudahan akses data dan pemodelan berarsitektur client/server juga mendukung pengembangan DSS berbasis user. Sistem ini didesain oleh tim yang terdiri dari user. Sistem Pendukung Keputusan – Gunandjar. tenaga ahli. Dalam kelompok manajemen pengetahuan (Management Science Group). 2. umumnya pada lokasi: 1. Dalam kelompok pusat informasi (Information Center Group). dan didesain utama untuk mendukung organisasi. 4. Executive Staff Group. untuk mendapat kinerja yang diinginkan. berkurangnya biaya hardware maupun software. 4. seiring pesatnya perkembangan di bidang PC (Personal Computer). 4. maka pembangunan DSS menjadi kompleks. sehingga ukuran tim menjadi besar dan komposisinya sering berubah seiring berjalannya waktu. 6. • Pendekatan lainnya adalah membangun DSS berbasiskan user. 5. lama.6 Pengembangan DSS berbasis Tim Menentukan DSS Group. Dalam departemen rekayasa industri. Dimulai mulai tahun 1980-an. sistemnya kompleks. DSS builder.dan kemampuannya. Tentu saja kedua pendekatan ini bisa dikombinasikan.5 Pengembangan DSS berbasis Tim dan berbagai user • Pengembangan DSS pada tahun 1970 dan 1980-an melibatkan skala yang besar. penghubung (intermediaries). Secara organisasi penempatan DSS Group bisa dimana-mana. Intinya dengan berbasis tim. Dalam wilayah keuangan atau fungsi lainnya. 3.

Terbagi atas 4 entitas berorientasi user: 1. Fase pengambilan keputusan: intelligence. Bantuan untuk mengingat sesuatu. Di bawah ini disajikan bagan kriteria DSS Generator secara top-down: Level 1 Overall objective General Capabilities Level 2 Database Model base Dialog Subsystem Level 3 Data Model Spesific Capabilities Dialog Level 4 Features 4.7 Perencanaan DSS Generator. Pendekatan ROMC. • Kerangka kerja analisis dan desain sistem DSS ini bertujuan untuk mengidentifikasi karakteristik dan kemampuan yang diperlukan oleh suatu DSS.ST Page 36 yang dapat teramati yang berhubungan dengan pengambilan . Grafis lebih disukai. 3. and Control Mechanisms). Bantuan untuk mengingat sesuatu (misal: laporan. Pendekatan ROMC membantu menyelesaikan kesulitan ini. 2.Memory Aids. 2. Pengambil keputusan mengalami kesulitan dalam menjelaskan situasi. desain. file Sistem Pendukung Keputusan – Gunandjar. 3. dan pemilihan dapat diterapkan pada analisis DSS. • Kesulitan utama dalam membangun DSS adalah tak terspesifikasinya kebutuhan informasi dengan baik. Mekanisme kontrol. Operasi.Operations.8 Pendekatan ROMC (Representations. tampilan “split screen”.4. yang merupakan titik awal bagi desain sistem. 4. yang merupakan proses yang bebas. mendasarkan diri pada 5 karakteristik keputusan: 1. Representasi.

Create alternative customer assignments for salespeople. Operations for intelligence.Library for saving tables. A scatterplot of assets versus liabilities. Maka DSS harus membantu pengambil keputusan menggunakan dan mengembangkan gaya. Compare alternatives. Pengamatan ini tidak menyarankan bahwa seorang user bekerja tanpa penghubung. applied via direct. akan tetapi mereka harus memahami kemampuan DSS dan mampu menganalisis input dan menerjemahkan output dari DSS. Rolodex. Pengambil keputusan mengharapkan untuk dapat menggunakannya langsung. Automated memory aids: List of customers. customer data. Scratch paper.data. Views of on customers. Conceptualizations: 1. assets and liabilities. dan knowledge mereka sendiri. 5. for user-computer communication: Page 37 Sistem Pendukung Keputusan – Gunandjar. Workspace for developing assignment tables. Di bawah ini disajikan kebutuhan yang diperlukan untuk suatu keputusan dibandingkan dengan kemampuan DSS: Decision Makers Use DSS Provides 1. Relationship between A map outline. Summary sheets Extracted data on customers. 3. Staff reminder. and 4. Computerize address Query the database. ketrampilan.ST . Temporary storage. DSS Messages. ketrampilan. 4. A variety of styles. dan knowledge. skills. and and decision types. mental rules. 2. secara pribadi mengatur dukungan sistem. Aid to direct personal control conventions knowledge. Pengambil keputusan berbeda dalam gaya. Update lists to show assignments. Table showing salespeople and their customer assignments.Differentdecision-making processes 2. Gather data on customers. design. design. Represenations: A city map. indeks. dan analogi) sangat berguna dalam pengambilan keputusan dan harus disediakan oleh DSS. File drawers with old tables. A variety of memory aids: 3. all invoking choice: activities for intelligence. and choice. 4.

2. User tak tahu. design. atau tak dapat mengungkapkan. user dan lingkungan. Ability to override DSS defaults or procedures. DSS harus berevolusi atau berkembang untuk mencapai desain sebab tak seorangpun yang bisa memperkirakan atau operasional. Ringkasnya ada 2 alasan utama adanya fleksibelitas dalam DSS: 1. mengantisipasi apa yang dibutuhkan secara lengkap. Standard operating procedures. Level pertama fleksibelitas ini memberikan kemampuan fleksibelitas dalam menampilkan aktivitas intelligence.ST Page 38 . yang mampu untuk menentukan kebutuhan fungsional seluruhnya. Konsep user mengenai tugas. Contoh: kemampuan “what-if”. ia harus sering diubah untuk mengantisipasi perubahan dalam hal: masalah. Solusi yang diturunkan melalui DSS bersifat subjektif. baik user maupun pembangun DSS. Perubahan yang terjadi haruslah mudah untuk dilakukan. 4. formed from DSS Hal-hal yang menyebabkan kebutuhan akan fleksibelitas dalam DSS: • • • • • • Tak seorang pun. Revise orders or procedures Training and explanation in how to give orders to the DSS. Sistem jarang mencapai hasil final.personal control: Accepted conventions for interpersonal communication.9 Jenis Fleksibelitas dalam DSS: 1. Sistem Pendukung Keputusan – Gunandjar. dan persepsi dari sifat dasar masalah. Terdapat berbagai variasi diantara orang-orang dalam hal bagaimana mereka menggunakan DSS. dan choice dan dalam menjelajah berbagai alternatif memandang atau menyelesaikan suatu masalah. Fleksibelitas menyelesaikan. apa yang mereka mau dan butuhkan. berubah pada saat system dipakai. Faktorfaktor ini memang sering berubah-ubah. Orders to staff. Procedures operations. Penggunaan DSS secara aktual hampir pasti berbeda dari yang diinginkan semula.

4. Sistem Pendukung Keputusan – Gunandjar. Level ini membutuhkan perubahan dalam tool dan generator untuk efisiensi yang lebih baik. kualitas bias tak terjaga 2. pengolah kata yang digunakan oleh sekretaris. Fleksibelitas berevolusi.11 Pengembangan DSS Berbasis User: Keuntungan dan Resikonya. Definisinya adalah: pengembangan dan penggunaan sistem informasi berbasis komputer oleh orang-orang diluar wilayah sistem informasi formal. Ini diatur oleh pembangun DSS. atau pada perluasan masalah. Masalah implementasi DSS dapat dikurangi. Fleksibelitas mengadaptasi. Biayanya sangat rendah. Syarat-syarat spesifikasi kebutuhan sistem tak diperlukan.ST Page 39 . Fleksibelitas ini diatur oleh user dan/atau pembangun DSS (DSS builder). 3. (b) resiko yang berhubungan dengan proses pengembangan menghasilkan (contoh: hasil yang ketidakmampuan salah).10 Komputasi End-User. 4. Level ketiga dalam hal mengadaptasi perubahan yang harus dilakukan pada berbagai DSS tertentu.2. Pengembangan DSS berbasis user berelasi secara langsung kepada komputasi enduser. 4. Waktu penyelesaiannya singkat. resiko potensial kualitas dapat diklasifikasikan dalam 3 kategori :(a) tool dan fasilitas dibawah standar. dan (c) mengembangkan resiko system data manajemen (missal:kehilangan data). Berbagai keuntungan yang bisa didapat user bila dia sendiri yang membangun DSS: 1. 4. e-mail yang digunakan oleh CEO. Resikonya adalah : 1. Level keempat adalah kemampuan dari DSS dan DSS generator dalam berevolusi untuk merespon perubahan sifat dasar teknologi dimana DSS berbasis disitu. 3. Definisi ini melibatkan juga manajer dan profesional yang menggunakan komputer pribadi. Level kedua ini dalam hal modifikasi konfigurasi DSS tertentu sehingga dapat menangani berbagai masalah yang berbeda. 2. Fleksibelitas memodifikasi. dan sistem time-sharing yang digunakan oleh ilmuwan dan peneliti.

Di bawah ini adalah program-program yang merupakan “bahan baku” bagi paket terintegrasi: • Spreadsheet. Improvement Phase 9 User Training Phas10 Documentation and Maintenance Phase 11 Adaptation 4.4.ST .12 Proses pembuatan Bias dilihat pada bagan di bawah ini Phase 1 Project Selection Phase 2 Software and Hardware Selection Build the database and its management Phase 3 Build the model base and its management Phase 4 Build the knowledge component Phase 6 Build the dialog subsystem Phase 5 Phase 7 Packaging Phase 8 Testing and Evaluation.13 DSS Generator DSS Generator mengkombinasikan kemampuan berbagai aplikasi umum dalam 1 program. Page 40 Sistem Pendukung Keputusan – Gunandjar.

(4) jaringan seperti apakah yang akan dipakai untuk menjalankannya. CASE tools. Pengolah kata. Grafis bisnis. Dengan kemampuan PC yang luar biasa sekarang ini. Tool pemrograman berorientasi objek. Bahasa analisis data statistikal umum. Bahasa khusus yang lain (misal: untuk membangun simulasi). Bahasa penghasil grafis. Bahasa pemodelan. Kemudian dengan adanya program-program berbasis Windows. Microsoft Excel 4.• • • • • • • Manajemen Data.ST . Bahasa pemrograman (generasi ketiga). Komunikasi. Tool software dasar yang patut dipertimbangkan adalah: • • • • • • • • • • Fasilitas database relasional dengan fasilitas pembuatan laporan yang baik dan fasilitas pemilihan data setiap saat. membuat DSS menjadi lebih disukai karena kemudahan penggunaannya. Desk management. (2) hardware seperti apakah yang dipakai untuk menjalankannya. Manajemen projek. Kalender (manajemen waktu). Tool pembangun ES. Pemilihan Software.14 Pemilihan DSS Generator dan tool software lainnya Berbagai pertanyaan yang harus dijawab oleh suatu organisasi yang akan menggunakan DSS Generator: (1) generator seperti apa yang akan digunakan. Contoh dari paket terintegrasi ini adalah: Lotus 1-2-3. software DSS lebih banyak ditemui pada jenis komputer mikro. Jaringan. Page 41 Sistem Pendukung Keputusan – Gunandjar. (3) sistem operasi seperti apa yang akan digunakan.

7. end-user. 5. 2. Inc. informasi DSS yang dibutuhkan dan outputnya Terdapat ratusan paket software di pasaran. Beberapa kriteria tak bisa diukur. Pemilihan keputusan melibatkan banyak kriteria yang diterapkan pada bermacam-macam paket yang dibandingkan. misalnya oleh Data Decisions. Sistem pengembangan DSS bisa dibayangkan seperti bengkel dengan berbagai tool dan komponen. Dari sini tidak diketahui secara lengkap. Page 42 Sistem ini melibatkan komponen-komponen utama Pada saat pemilihan. Data dipertimbangkan masak..ST . 3. lain. yang lain memiliki konflik langsung dengan yang lain lagi. seperti: • Penanganan permintaan/query (mendapatkan informasi dari database). dan jurnal panduan user. misalnya PC Week dan Infosystems. Harga seringkali berubah. 4.masak. Hal mendasar pada pengembangan tool dan generator ini adalah konsep: (1) penggunaan tool otomatis skala tinggi di keseluruhan proses pengembangan.15 Merangkai semuanya dalam satu sistem. Semua masalah teknis. 6. Tool-tool pengembangan meningkatkan produktivitas builder dan membantu mereka menghasilkan DSS yang sesuai dengan kebutuhan user pada biaya yang moderat. Beberapa orang terlibat dalam tim evaluasi. semuanya bersifat subjektif dan seringkali dangkal ulasannya. Paket software selalu berganti dengan cepat. dan Software Digest. dan (2) penggunaan bagian-bagian pra-fabrikasi dalam proses manufaktur keseluruhan sistem. Pro. Suatu bahasa digunakan dalam membangun berbagai DSS. yang setara dengan sumber-sumber informasi lain. kemampuan yang dibutuhkan dari tool berubah dari satu aplikasi ke aplikasi Sistem Pendukung Keputusan – Gunandjar. fungsional. Mereka hanyalah merupakan salah satu sumber informasi saja.Pemilihan tool dan/atau generator adalah merupakan proses yang rumit dengan alasan: 1. dan manajerial harus Evaluasi komersial yang tersedia. 9. 4. 8.

Sistem manajemen berbasis model intelijen yang dapat memilih model yang sesuai untuk memenuhi preferensi/acuan yang berbeda. Generator laporan (memformat laporan output). penginterpretasian. 2. dll. Sistem manajemen berbasis model.ST Usage Record EMS User Interace element Control Mechanism Knowledge Base Page 43 . dan lalu beradaptasi secara otomatis pada evolusi usernya. User User Interface Management Management Struktur dari DSS jenis ini dapat dilihat pada gambar di bawah ini: Data Model Sistem Pendukung Keputusan – Gunandjar. Diperlukan kemampuan: 1. Kemampuan ini dicapai dengan menambahkan komponen ekstra: mekanisme intelijen yang bisa berevolusi sendiri. Manajer kode sumber (menyimpan dan mengakses model built-in dan model yang dikembangkan user/user developed). Antarmuka user dinamis yang menyediakan representasi output yang berbeda untuk user yang berbeda pula.• • • • • • • Fasilitas analisis dan desain sistem (pengeditan. (3)meningkatkan kontrol pada sumber-sumber informasi organisasi.). Tujuannya adalah membangun DSS berperilaku khusus yang dapat beradaptasi terhadap evolusi kebutuhan user secara otomatis. dan (4) mewujudkan system sharing. Sistem manajemen dialog (antarmuka user). (2)mengurangi dampak penggunaan sistem (lebih user-friendly). Generator grafis. Tujuan DSS yang dapat berevolusi sendiri adalah: (1) meningkatkan fleksibelitas DSS. 3. 4. Struktur. Sistem manajemen knowledge.16 DSS yang dapat berevolusi sendiri DSS yang memberi perhatian pada bagaimana ia digunakan. Menu dinamis yang menyediakan hirarki yang berbeda untuk memenuni kebutuhan user yang berbeda.

1. Manajemen data.ST Task User behavior Quality of decision made Page 44 . Ini adalah kontrol intelijen yang mengandung satu knowledge base.yaitu characteristics Sistem Pendukung Keputusan – Gunandjar. manajemen model. environment DSS 4. yang merupakan komponen dasar dari sembarang DSS. 2. Elemen antarmuka user yang diperlukan untuk membuat antarmuka yang sangat user-friendly. 4. Catatan data yang telah digunakan (usage record) yang menyimpan data yang telah digunakan selama evolusi sistem dan juga cara memanajemennya (EMS=Evolution Management System).17 Arah Pengembangan Riset DSS Terdapat berbagai variable dalam riset DS. Mekanisme kontrol pusat yang mengkoordinasi semua operasi DSS. 3. dan antarmuka user.

3. Tool yang lebih aktif dapat meningkatkan pemikiran yang lebih dalam mengenai situasi permasalahan. memanajemen kerancuan dan kekompleksan. dan tool manajemen data. DSS di masa depan harus mendukung alasan-alasan pemilihan klas keputusan tertentu. menjelaskan struktur masalah. telekomunikasi. sistem berbasis pengetahuan. Perkembangan terbaru pada teknologi komputer. tapi di masa depan DSS harus menyediakan cara baru untuk mendefinisikan model. 2. Sekarang ini DSS berlaku pasif menanggapi pertanyaan “what-if” yang diajukan. ES bisa memberikan kontribusi utama dalam hal ini. Saat ini DSS tak kreatif. teori perilaku. ekonomi informasi. DSS berpusat pada keputusan (decision-centered) tapi bukan pada decision-paced (langkah pengambilan keputusan). dan ilmu politik. dan menyelesaikan klas baru keputusan dalam konteks pengambilan keputusan yang baru.Di bawah ini adalah beberapa poin dari riset yang telah dilakukan: 1. arsitektur client/server. Manajemen sains. dapat digunakan untuk meningkatkan DSS. 6. Selanjutnya kombinasi DSS/ES dapat bertindak lebih proaktif. sumber model DSS. ilmu komputer. memainkan peran yang lebih besar dengan meningkatkan kualitas pemikiran dalam pengambilan keputusan.ST . Kontribusi serupa bisa dating dari psikologi kognitif. Peningkatan DSS harus lebih memberi perhatian pada masalahPage 45 Sistem Pendukung Keputusan – Gunandjar. mesin pembelajaran (machine learning). GUI. 5. 4.

Sekali lagi ES dapat memberikan kontribusi yang bernilai disini. 12. karena hal tersebut berdampak pada efisiensi dan keefektifan organisasi secara keseluruhan. dan keefektifan. Masalahnya adalah bagaimana melakukannya. pembelajaran. Konsep manajemen model harus dikembangkan. Eksplorasi diperlukan untuk menemukan arsitektur yang sesuai yang menjadikan pengambil keputusan dapat menggunakan ES untuk Sistem Pendukung Keputusan – Gunandjar. 13. Integrasi DSS dengan ES. Komponen manusia dalam DSS harus dicermati untuk melihat dampak DSS pada saat pembelajaran. Ini akan membutuhkan variabel yang lebar jangkauannya. Teori-teori harus dikembangkan pada topik-topik seperti pengukuran kualitas keputusan. berhubungan dengan keefektifan organisasi dan perencanaan strategis. Riset harus dilakukan pada interaksi diantara individu dan grup. 16. yang sulit untuk diukur atau bahkan ditentukan. 7.masalah yang tak terstruktur. Teori DSS harus ditingkatkan. Riset DSS harus melebarkan perspektifnya. menghasilkan DSS yang proaktif dalam membuat perubahan lebih dari sekedar mengantisipasi perubahan. atau paling tidak menghasilkan peneluran ide. 11. Komputasi syaraf dapat ditambahkan berkenaan dengan masalah kerancuan. 15. 17. dan estetik. CBIS lainnya. Aplikasi DSS dapat ditingkatkan dengan melibatkan nilai. Antarmuka manusia-mesin dan dampaknya pada kreativitas dan pembelajaran harus menjadi perhatian utama dalam riset DSS. DSS di masa depan harus mampu untuk membuat berbagai aksi alternatif dari dirinya sendiri. 10. 14. 8. Masalah sosial dan etik juga harus lebih diperhatikan.ST Page 46 . Teori-teori harus dikembangkan pada wilayah pengambilan keputusan organisasional dan pengambilan keputusan pada grup. 9. baik mengenai teorinya dan dalam pengembangan software. etik. Perspektif baru ini akan didukung oleh penambahan kemampuan kreatifitas dan inovasi. dan teknologi komputer yang berbeda lainnya (misal: komunikasi) akan menjadi wilayah riset utama.

4. perawatan. perantara. builder. 4. Partisipan dalam proses konstruksi adalah: user. DSS generator (engine) adalah tool pengembangan terintegrasi yang digunakan dalam membangun kebanyakan DSS. 18. dan pemegang tool. Mulai dari penggunaan CASE tool sampai dengan pemrograman dengan DSS generator (engine). teknik AI. kemungkinan sebagai bagian dari pusat Sistem Pendukung Keputusan – Gunandjar. konstruksi. Pendekatan berulang (prototyping) paling umum digunakan dalam DSS. implementasi.ST . tenaga pendukung. Terdapat berbagai strategi pengembangan. personal. 5. Semua kecenderungan di atas akan menuju pada satu titik pada pengembangan berkelanjutan pada kemampuan sistem yang lebih user-friendly. riset. Kesimpulan • • • • • • DSS dikembangkan dengan proses pengembangan yang unik berdasarkan prototyping. analisis.meningkatkan kemampuan pengambilan keputusannya. desain. Dampak organisasional dari MSS bisa signifikan.18 DSS masa Depan 1. Riset lebih lanjut harus diarahkan pada wilayah ini. Page 47 Untuk dukungan keputusan saling berhubungan yang terkonsentrasi. 6. group DSS akan lebih lazim di masa depan. DSS groups akan berkurang peranannya seperti projek khusus bagian dari tim pendukung ditujukan untuk “tim komando” dan lebih banyak informasi. dan adaptasi. Untuk DSS di institusi yang mendukung pengambilan keputusan berurutan dan saling berhubungan. kecenderungan ke depan adalah menjadi DSS terdistribusi. Langkah utamanya adalah: perencanaan. Produk-produk DSS akan mulai menggabungkan tool dan teknikDSS berbasis PC akan terus tumbuh utamanya untuk dukungan berbagai dukungan end-user lainnya. 3. 2.

familiar dengan kebutuhannya. Kebanyakan DSS dibangun dengan generator pengembangan DSS atau dengan tool-tool pengembangan 4GL tak terintegrasi. Pemilihan yang sesuai untuk membangun DSS tertentu haruslah didesain dengan cermat. Kecerdasan ditambahkan ke DSS dengan menempelkan knowledge base dalam software DSS. biaya rendah. Kecerdasan diperlukan secara khusus dalam manajemen masalah. Windows membuatnya mungkin untuk membangun DSS dengan cepat dan murah Suatu intelligent DSS harus bisa berperan aktif yang berhubungan dengan task/tugas penyelesaian masalah yang rancu dan kompleks. • • • • • • • • • • • • Pengembangan DSS berbasis user bisa juga berkualitas rendah. Software elektronik menggunakan asosiasi. Brainstorming (“pembadaian” pendapat) secara elektronik adalah salah satu cara mendukung peneluran ide. Kreativitas untuk peneluran ide (idea generation) adalah aktivitas penting dalam pengambilan keputusan. dan hardware. dan berbagai Page 48 Sistem Pendukung Keputusan – Gunandjar. Pembangunan DSS dengan tim mengikuti proses terstruktur. Keuntungan utama orang-orang yang membangun DSS-nya sendiri adalah: waktu penyelesaiannya singkat. pemilihan software yang sesuai (generator jika dibutuhkan). Terdapat banyak sekali tool dan generator di pasaran. identifikasi pola. Peneluran ide dapat ditingkatkan dengan software elektronik.karena kebutuhan informasi tak dapat diketahui dengan tepat pada awal proses. Banyak DSS dibangun dalam lingkungan Windows. termasuk perencanaan.ST . dan implementasinya lebih mudah. dan symbiotic adalah konfigurasi yang berbeda dari intelligent DSS. karena itu kontrol yang cukup dapat memperbaiki situasi tersebut. • • DSS dapat dibangun oleh tim maupun individu. DSS yang dapat berevolusi sendiri. • • Bagian utama dari komputasi end-user adalah pembangunan DSS untuk dukungan personal yang dilakukan oleh individu. active.

Fourth Edition. Variabel utama riset independen DSS adalah kualitas keputusan yang dibuat Daftar Pustaka • • • Turban. D.Ali Ramdhani. PT. dan kemampuan DSS. Komputerisasi Pengambilan Keputusan. Decision Support and Expert Systems: Management Support Systems. K.teknik yang sudah dikenal lainnya untuk mendukung peneluran ide.Umar. task. United States of America. dan M. Bandung. 1995. Sistem Pendukung Keputusan – Gunandjar. Daihani. 1998. 2001. Prentice-Hall. Inc. • • Variabel utama riset independen DSS adalah perilaku user. C. Suryadi. Efraim.ST Page 49 . Jakarta.. PT Elex Media Komputindo. Remaja Rosdakarya. lingkungan. Sistem Pendukung Keputusan.